Amazon lança Nova 2 Lite para detecção de objetos sem necessidade de treinamento
\n
A Amazon anunciou o Amazon Nova 2 Lite, um modelo multimodal de base que permite a detecção de objetos em imagens por meio de prompts em linguagem natural, sem a necessidade de treinamento prévio. Disponível através do Amazon Bedrock, o Nova 2 Lite oferece uma alternativa acessível e escalável para equipes e empresas que precisam implementar visão computacional sem investimentos altos em infraestrutura e equipes especializadas.
\n\n
Para quem é e como acessar
\n
O Amazon Nova 2 Lite é ideal para pequenas e médias empresas, desenvolvedores e times que buscam implementar soluções de detecção de objetos em setores como manufatura, agricultura e logística. O serviço está disponível nas regiões onde o Amazon Bedrock é oferecido e pode ser acessado via API, eliminando a necessidade de gerenciar infraestrutura ou treinar modelos.
\n
Para começar, é necessário ter uma conta AWS com permissões para acessar o Amazon Bedrock e o modelo Nova 2 Lite. O desenvolvimento pode ser feito com Python 3.8 ou superior, utilizando o AWS SDK (Boto3) e a biblioteca Pillow para manipulação de imagens.
\n\n
Como funciona a detecção de objetos com Amazon Nova 2 Lite
\n
O processo de detecção utiliza uma arquitetura serverless que combina Amazon Bedrock, AWS Lambda e Amazon API Gateway. O fluxo consiste em quatro etapas principais:
\n
- \n
- Engenharia do prompt: elaboração de prompts detalhados em linguagem natural para especificar os objetos a serem detectados e o formato JSON esperado na resposta.
- Chamada ao Amazon Bedrock: invocação da API Converse do Bedrock para enviar a imagem e o prompt ao modelo Nova 2 Lite, que retorna coordenadas normalizadas dos objetos detectados.
- Processamento das coordenadas: conversão das coordenadas normalizadas (escala 0-1000) para posições em pixels conforme as dimensões da imagem.
- Visualização: renderização das caixas delimitadoras sobre a imagem original para validação dos resultados.
\n
\n
\n
\n
\n
O modelo retorna os dados estruturados em JSON, contendo as coordenadas dos bounding boxes para cada objeto identificado, o que facilita a integração com sistemas existentes.
\n\n
Exemplo prático: detecção em cenas urbanas
\n
Em um exemplo aplicado, o Nova 2 Lite foi capaz de detectar veículos e placas de pare em uma imagem de rua sem qualquer treinamento adicional. A precisão foi alta mesmo para objetos pequenos, distantes ou parcialmente ocultos, demonstrando a eficácia do modelo em reconhecer categorias genéricas apenas a partir de seus nomes.
\n\n
Arquitetura e implantação na nuvem
\n
O modelo é acessado por meio do Amazon Bedrock Converse API, que pode ser integrado a diversos serviços AWS conforme a necessidade do cliente:
\n
- \n
- AWS Lambda: para cargas de trabalho orientadas a eventos e endpoints API, com escalabilidade automática e custo por invocação.
- Amazon EC2: para maior controle do ambiente e processos de longa duração.
- Amazon ECS/EKS: para implantações baseadas em containers com escalabilidade automática.
\n
\n
\n
\n
Uma aplicação web serverless de exemplo foi desenvolvida, utilizando Amazon CloudFront para distribuição global, Amazon S3 para armazenamento, API Gateway para roteamento e Lambda para orquestração da chamada ao modelo e processamento dos resultados.
\n\n
Custos estimados e modelo de pagamento
\n
O Amazon Bedrock cobra por tokens de entrada e saída, com valores aproximados de $0,0003 por mil tokens de entrada e $0,0025 por mil tokens de saída. Uma imagem típica gera cerca de 230 tokens de entrada e 200 tokens de saída, resultando em um custo aproximado de $0,00057 por imagem processada. AWS Lambda e API Gateway são cobrados conforme uso, com valores mínimos para testes.
\n\n
Aplicações práticas em diferentes setores
\n
- \n
- Manufatura: inspeção automatizada para identificar defeitos como riscos, amassados e ferrugem em peças metálicas, reduzindo custos com retrabalho.
- Agricultura de precisão: monitoramento com drones para detectar folhas doentes, danos por pragas e fungos, otimizando o uso de defensivos agrícolas e prevenindo perdas.
- Logística e fulfillment: identificação automática de embalagens danificadas, itens fora do lugar e equipamentos de segurança, garantindo qualidade e conformidade operacional.
\n
\n
\n
\n\n
Como testar e implantar sua solução
\n
O código-fonte completo da aplicação de exemplo está disponível no repositório GitHub da AWS. A implantação pode ser feita pelo AWS CLI e AWS CDK, bastando ter acesso ao Amazon Bedrock e permissões configuradas.
\n
Após a implantação, a aplicação permite enviar imagens e especificar os objetos a serem detectados via interface web, retornando imagens anotadas com as caixas delimitadoras dos objetos identificados.
\n\n
Links úteis
\n
